Modelo de simulación discreta para evaluar políticas de inventario en un restaurante especializado
DOI:
https://doi.org/10.15649/2346030X.2745Palabras clave:
simulación, productos cárnicos, preparación, inventario, distribución, Simul8®Resumen
El uso de la simulación permite a una compañía el entendimiento de sus procesos y, mediante la modelación de sus problemas encontrar soluciones que se ajusten a sus necesidades y que les permita tomar medidas correctivas para que sus procesos sean ejecutados de forma adecuada. Por tal razón, se emplea la simulación discreta como herramienta para entender el proceso de producción de alimentos de una microempresa de la ciudad, en la cual se tiene como misión satisfacer a sus clientes con el mejor pollo asado, apanado y los mejores productos preparados de la región. Este proyecto se centrará en identificar las posibles fallas en su proceso y en evaluar soluciones que se ajusten a los recursos de la empresa y que generen buenos resultados financieros. Para el desarrollo de este trabajo se estudiará el proceso de asar y apanar pollos (debido a que son principales productos de venta). Además, su propósito es evaluar la capacidad de inventario, es decir, identificar si existe exceso de inventario, o por el contrario escasez que este generando pérdidas o sobrecostos en la empresa y desde ahí, estar en la posición de tomar medidas correctivas.
Referencias
R. Ronaldo, “Measuring the performance of poultry business through effective supply chain management skills,” Uncertain Supply Chain Manag., vol. 8, no. 1, pp. 55–66, 2020, doi: 10.5267/j.uscm.2019.8.006.
X. Wen, L. Li, S. Sun, Q. He, y F. S. Tsai, “The contribution of chicken products’ export to economic growth: Evidence from china, the United States, and Brazil,” Sustain., vol. 11, no. 19, 2019, doi: 10.3390/su11195253.
J.C. Restrepo, J.F. Rave y G. Peña, “Planteamiento de políticas para la solución de problemas en Pymes del sector de productos cárnicos,” 2005.
J.D.J.D. Sterman, Business dynamics: Systems thinking and modeling for a complex world with CD-ROM, vol. 53. Irwin/McGraw-Hill, 2000.
C.A. Gil-Gonzalez, J.P. Orejuela-Cabrera y D. Peña-Calderon, “El Problema de patrones de corte, clasificación y enfoques/Cutting stock problem, classification and approaches,” Prospectiva, vol. 15, no. 1, pp. 112–126, 2017, doi: 10.15665/rp.v15i1.718.
C.E. Golden, M.J. Rothrock y A. Mishra, “Mapping foodborne pathogen contamination throughout the conventional and alternative poultry supply chains,” Poult. Sci., p. 101157, 2021, doi: 10.1016/j.psj.2021.101157.
N. Al-Theeb, H.J. Smadi, T.H. Al-Hawari y M.H. Aljarrah, “Optimization of vehicle routing with inventory allocation problems in Cold Supply Chain Logistics,” Comput. Ind. Eng., vol. 142, no. February, p. 106341, 2020, doi: 10.1016/j.cie.2020.106341.
S.M. Hosseini-Bamakan, S. Ghasemzadeh-Moghaddam y S. Dehghan-Manshadi, “Blockchain-enabled pharmaceutical cold chain: Applications, key challenges, and future trends,” J. Clean. Prod., vol. 302, p. 127021, 2021, doi: 10.1016/j.jclepro.2021.127021.
C.M. Galanakis, ”Sustainable meat production and processing”, 2018.
S. Minegishi y D. Thiel, “System dynamics modeling and simulation of a particular food supply chain,” Simul. Pract. Theory, vol. 8, no. 5, pp. 321–339, 2000, doi: 10.1016/S0928-4869(00)00026-4.
X. Xiao et al., “A quantitative risk assessment model of Salmonella contamination for the yellow-feathered broiler chicken supply chain in China,” Food Control, vol. 121, 2021, doi: 10.1016/j.foodcont.2020.107612.
F. Asche, A.L. Cojocaru y B. Roth, “The development of large scale aquaculture production: A comparison of the supply chains for chicken and salmon,” Aquaculture, vol. 493, pp. 446–455, 2018, doi: 10.1016/j.aquaculture.2016.10.031.
K.S. Huang y F. Gale, “Food demand in China: Income, quality, and nutrient effects,” China Agric. Econ. Rev., vol. 1, no. 4, pp. 395–409, 2009, doi: 10.1108/17561370910992307.
J. Izar-Tenorio, P. Jaramillo, W.M. Griffin y M. Small, “Impacts of projected climate change scenarios on heating and cooling demand for industrial broiler chicken farming in the Eastern U.S,” J. Clean. Prod., vol. 255, 2020, doi: 10.1016/j.jclepro.2020.120306.
M.S. Ramirez, M. Zapata, S. Castro y R.A. Ortiz-Garcia, “Análisis de la producción de productos alimenticios tipo snacks mediante simulación de eventos discretos en una empresa de Medellín”, Rev. Prospect., vol. 17, no. 1, pp. 33–41, 2019, doi: 10.15665/rp.v17i1.1794.
Y.C. Chang, W.C. Chen, Y.N. Yang y H.C. Chao, “A flexible web-based simulation game for production and logistics management courses,” Simul. Model. Pract. Theory, vol. 17, no. 7, pp. 1241–1253, 2009, doi: 10.1016/j.simpat.2009.04.009.
A. Tique-Cifuentes y D.F. Chacon-Gomez, “Modelamiento de un clúster de alta disponibilidad para la implementación de un sistema E-Commerce en MIPYMES del sector de alimentos de Bogotá,” UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS, 2019.
D.A. Velez, F. Ceballos y G. Sanchez-Torres, “Simulation-Based Improvement Procedure for Small-Scale Shoe Manufacturing Companies,” J. Adv. Manuf. Syst., vol. 17, no. 01, pp. 23–33, 2018, doi: 10.1142/S0219686718500026.
P. A. Sanchez, F. Ceballos y G.S. Torres, “A dressmaking factory production process analysis modeling and simulation,” Cienc. e Ing. Neogranadina, vol. 25, no. 2, pp. 137–150, 2015.
R. Lovreglio, A. Fonzone, L. dell’Olio y D. Borri, “A study of herding behaviour in exit choice during emergencies based on random utility theory,” Saf. Sci., vol. 82, pp. 421–431, 2016, doi: 10.1016/j.ssci.2015.10.015.
O. Quiroga, G. Rosseti, L.M. Arcusin y D. Costa, “Modelos de simulación para el estudio de empresas productivas,” Rev. Iberoam. Ing. Ind., vol. 1, no. 2, pp. 02–23, 2009.
C. Kieran, E. Mark, T. Jillian y T. Stanley, Simulation Modeling with SIMUL8, 4.1. Visual Thinking International, 2007.
STATGRAPHICS, “A Statistical Graphics Software System,” Disasters, vol. 12, no. 4, p. 18, 1988, [Online]. Available: http://onlinelibrary.wiley.com/doi/10.1111/j.1467-7717.1988.tb00682.x/abstract.
C. Martínez, “Estadística y muestreo”, 13th ed. Bogotá, Colombia: ECOE ediciones Ltda., 2016.
J.J. López-Andrés, A.A. Aguilar-Lasserre, L.F. Morales-Mendoza, C. Azzaro-Pantel, J.R. Pérez-Gallardo y J.O. Rico-Contreras, “Environmental impact assessment of chicken meat production via an integrated methodology based on LCA, simulation and genetic algorithms,” J. Clean. Prod., vol. 174, pp. 477–491, 2018, doi: 10.1016/j.jclepro.2017.10.307.
R.M. Vanalle, W.C. Lucato, M. Vieira-Júnior y I.D. Sato, “Uso de la Simulación Monte Carlo para la Toma de Decisiones en una Línea de Montaje de una Fábrica,” Inf. tecnológica, vol. 23, no. 4, pp. 33–44, 2012, doi: 10.4067/S0718-07642012000400005.
J. Banks, Handbook of Simulation: Principles, Methodology, Advances, Applications, and Practice, 2nd ed. New York: John Wiley & Sons, 1998.
P. Sharma, “Discrete-event simulation,” Int. J. Sci. Technol. Res., vol. 4, no. 04, pp. 136–140, 2015.
M. Ahmed y A.-S. K. Pathan, “Data Analytics Concepts, Techniques, and Applications”, vol. 91, no. 5. 2012.
D. C. Montgomery, “Diseño de Experimentos,” 2004.
S. J. Aboud, M. Al Fayoumi y M. Alnuaimi, “Verification and validation of simulation models,” in Handbook of Research on Discrete Event Simulation Environments: Technologies and Applications, 2009, pp. 58–74.
L. Gulyás y G. Kampis, “Models, Representations and Comparisons in Computer Simulations,” Procedia Comput. Sci., vol. 66, pp. 5–12, 2015, doi: 10.1016/j.procs.2015.11.003.
D. Kibira, Q. Hatim, S. Kumara y G. Shao, “Integrating data analytics and simulation methods to support manufacturing decision making,” in Proceedings - Winter Simulation Conference, 2016, vol. 2016-Febru, pp. 2100–2111, doi: 10.1109/WSC.2015.7408324.
B. Ceballos, M. T. Lamata, D. Pelta y J. M. Sanchez, “El método topsis relativo vs. Absoluto,” Recta, vol. 14, no. 2, pp. 181–192, 2013.
Publicado
Cómo citar
Número
Sección
Altmetrics
Descargas
Licencia
La revista ofrece acceso abierto bajo una Licencia Creative Commons Attibution License
Esta obra está bajo una licencia Creative Commons Attribution (CC BY 4.0).
